面对收入下降、用户增长乏力等业务问题，很多分析常停留在数据表面难以落地。文章聚焦 “人货场模型”，拆解其分析框架、五步应用流程及不同行业的适配要点，助力从 “人（客户 / 业务员）、货（商品）、场（渠道）” 维度定位核心问题，输出可落地的业务改进建议。

“我看到收入下降/新增用户减少/转化率不行，该怎么进一步分析呢？”很多人有类似困惑，尤其怕写了一堆“同步收入下降5%，环比下降”得不出对业务有价值的结论。

这里推荐一个简单、实用、易上手的分析模型：“人货场”模型，它不需要复杂的统计学原理，只要对业务熟悉就能用，且能解决收入/用户增长/商业化相关的80%的问题。文章较长，同学们记得先点赞，再慢慢看哦。

什么是人货场模型

人货场模型是三个固定的分析维度：

人：客户、业务员

货：商品结构，商品价格

场：销售渠道，推广方式

在分析问题时，从人/货/场三个维度拆解，找到问题关键。在提出建议时，将表现优秀业务VS 差劲业务，从人货场三维度进行对比，能找到具体的，可落地的改进点。这样就实现了从数据到业务行动的落地。具体操作，则分成5个步骤

怎么应用人货场模型

第一步：业务梳理，先了解基础数据。

1、我司有哪些客户（人）

2、我司有哪些销售（人）

3、我司有哪些商品（货）

4、我司有哪些渠道（场）

第二步：打标签，做分类。

这一步至关重要。因为数据库里，可能只有具体的客户名称/具体商品编码/渠道代码，对着这些琐碎抽象的东西没法做分析，需要做概括性分类。

常见的分类，比如：

1、C端客户（人），按累计消费/会员等级进行分类，区分高低购买力客户；

2、B端客户（人），按行业/公司规模分类（大公司需求天然大，要争取）

3、业务员（人），按从业经验，过往业绩水平，手头持有老客户数分类

4、商品（货），根据商品自然属性，做一二三级分类 + 商品毛利

5、线下渠道：按地区、位置、营业面积、营运成本进行分类

6、线上渠道：按推广平台，投放费用多少，转化率高低分类

经过这一步处理，需要形成分类思维导图，便于分析时形成思路；同时在数据库里打好标签，便于后边交叉对比（如下图）。

第三步：明确分析目标。

这是所有分析都必须的，目标要具体：

错误目标：销售额下降了，分析下

正确目标：9月销售仅达标85.3%，分析差异来源

分析目标还可以是新注册用户数/经营单位成本费用/商品库存等等……

第四步：从人货场维度进行拆解，寻找问题原因。

这里要注意：

1、先看大分类，再看小分类

2、从差异大的维度开始

3、先看完一个分类，再看另一个

举例：“9月销售仅达标85.3%”，可以先分别看以下哪个维度达标率最低，从哪里下手：

1、不同销售渠道达标率

2、不同商品品类达标率

3、不同客户目标达标率

这里需要从差异最大的维度切入。比如下图，从人的角度看，AB团队都没有达成目标，但是从商品（货）的角度看，新品的问题明显更大，此时就应将新旧商品切换为主分析维度，继续往下挖原因。

经过这一步拆解，能锁定主要问题点，之后再做深入分析。

第五步：结合过程指标，深入分析原因。

比如上例，我们发现：新品达标情况很差。再往下解释为什么差，需要更细节数据，比如：

1、产品基础性能参数与竞品对比

2、产品价格与竞品对比

3、产品推广投入与自身同类产品同期对比

4、产品铺货进度，计划与实际执行对比

这样才能具体看出问题所在（如下图）

当然，也有可能，人/场的维度下差异巨大，此时可以结合具体业务情况，提出细分分析思路

不同行业的人货场模型

不同行业，在构造人货场模型时，会有差异性：

1、有实体店的，门店位置特别重要！此时优先打“场”标签

2、toB业务的，大客户非常重要，此时优先打“人”（客户行业/规模）标签

3、对品牌商而言，产品线布局/新品上市最重要，此时优先打“货”的标签

这非常考验数据分析师水平。结合业务重点的标签，一个顶10个！在我辅导同学们的过程中，经常发现类似问题，因此干脆做了《如何打标签》的指引放到知识星球里，以供参考。

人货场模型深入应用

深入讨论人货场，大家会发现更多复杂的情况，比如：

情况1：优秀标杆不可复制。比如：发现销售团队里小张很好，但小张自带客户资源，其他人没有这个条件，此时只能再找其他方法。

情况2：短期策略不可持续。比如：短期内靠促销（货）拉动业绩，但促销不能一直做，只能再做分析，看非促销情况下还有什么方法。

情况3：两个维度相互影响。比如：特定商品只在特定地区好卖，意味着要观察商品+地区的组合，来判断销售情况。

这些，都需要构造更复杂的分析逻辑，具体得考虑问题。如果工作中遭遇难题，就来知识星球直接问我吧。